Site specificity of bed load measurement using an acoustic Doppler current profiler
Notice bibliographique
Résumé
Concurrent measurements of bed load transport velocity ( v ) from the bottom tracking feature of an acoustic Doppler current profiler (aDcp) and bed load transport rate ( g b ) from conventional pressure difference samplers are presented. Data sets were collected from both gravel bed and sand bed reaches of the Fraser River, covering a bed material range of 0.25–25 mm. Strong relations, in which v explained >70% of the variability of measured g b , were observed in a gravel bed and a sand bed reach. Differences in correlation between v and g b among the contrasting environments are attributed to variations in both the bed load particle size and aDcp operating parameters. Similar values of v were associated with lower mass transport rates in a sand bed than in a gravel bed reach. A nondimensional data collapse, accounting for differences in bed load particle size, explained 42% of the observed variance of the combined data set. Longer averaging times were required in the gravel bed reach, likely due to the stochastic nature of bed load entrainment in gravels and the resulting heterogeneous bed load velocity field. Bed load transport was modeled using both shear stress models and a kinematic model that utilizes the estimated bed load velocity. The standard shear stress models provided poor matches to the measured bed load transport rates: the sand bed data were overpredicted, and the gravel bed predictions correlated poorly with the measured predictions. Use of the kinematic model yields an estimate for the product of bed load concentration and bed load layer depth. This work highlights the potential of acoustic techniques for estimating bed load.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».